人工智能诞生于1956年Dartmouth学会，欧博娱乐计算机视觉是其一重要技术方向，涵盖动态视频流和静态图像的检测识别、搜索对比等，应用于公共安防、医学健康等行业领域，而美容行业作为一块香饽饽。

根据《中国美业报告2017》，中国女性月均美容消费能力为500元，男女性对美容行业关注度的人群比例为1：8，且男性对美容行业关注度也日益增涨，因此以美容领域为市场切入点开发计算机视觉能力。

下列列举的产品为市场有一定口碑产品，只列出部分并未列全，分析有误地方欢迎指正，寻求共同进步。

此处分析省略对应用型硬件产品、平台型产品及各友商产品AI技术（精确率/虚警率、召回率/漏报率、稳定性等）具体研究分析，简单概括：小型硬件测肤仪器居多检测水油弹，价位在上千元，大型硬件测肤仪器价位在几万元不等，且不方便携带，AI开放平台计算机视觉尚未涉及美容领域。

【本文侧重分析应用型-软件产品的图像识别相关功能，因此也不绘制产品结构图。以下两类产品具有的共同特征，便只在其中一款产品提及。】

（1）你今天真好看

颗粒度较少：

皮肤问题颗粒度包括黑头毛孔、黑眼圈（色素型、血管型、结构型）、痘痘、肌龄、皮肤综合情况（干油、细腻、匀净、健康、年轻、耐受）、肤质（水油、光滑、敏感）。

检测的具体皮肤问题颗粒度较少，蜂窝模型理论提到“可找到：用户能找到他们需求的东西”，考虑不同肤质用户人群容易产生的皮肤问题是不相同的，比如：干性肤质易产生的皱纹、色素斑问题，还需进一步丰富颗粒度。

除了拓展颗粒度外，也需进一步细分颗粒度，举例：当前痘痘类别无细分，欧博allbet根据皮肤科专家知识，痘痘需进一步细分为凹陷瘢痕、结节囊肿等，且不同类别的痘痘的特征症状、护理方法不一致。

分析结果缺乏感知意义：

皮肤综合情况（干油、细腻、匀净、健康、年轻、耐受）用得分来表示，单独一个分值给用户的感知意义比较弱，作为用户的我不知道每项皮肤情况需引起警觉的分数阈值，可以增加警觉阈值提醒，或者增加同年龄段用户状况均值对比。人是具有群体属性的，个体渴望从群体中获得优越感或挑战感。

给出的分数阈值无依据凭证展示给用户，不利于增强用户对识别结果的信任度，举例：从细腻度而言，皮肤状况的哪些问题是影响细腻度得分的因素？是皮肤蜕皮、皱纹、毛孔粗大，还是？并且用户脸部位置哪里是有这些问题存在？用户在得到测肤结果后会下意识同自己真实脸部情况进行对比，何不给用户更直观的结果展示图片？

简化拍照指导说明：

采用后置摄像头，想必是考虑到后置摄像头比前置更清晰的原因，但是因此也让用户在拍照过程中无法看到APP界面，所以该产品在用户拍照前使用动图和文档进行拍照解说，包括说明了最佳拍摄皮肤状态、光线、姿势、背景等注意事项，此处时需要称赞的是：注意事项说明很详细。

但我想或许除了同行业人员，用户是不会花太多时间看大段文字说明。且本身注意事项也较多，米勒在论文《神奇的数字7+-2》中提出：大脑的短期记忆无法一次容纳约7个以上的记忆项目。

在尼尔森十大原则中提到“可见原则”和“帮助与提示原则”，由于拍照时用户无法查看APP界面，因此我将“可见原则”转换为“可触达原则”。

考虑影响脸部图像识别的因素包括：光线、距离、角度、像素清晰度、背景、脸部遮挡物等，分别可以从增加光线阈值、距离阈值、遮挡物自动识别等着手，辅助语音提醒。

直观趋势记录：

用户检测皮肤的目的就是为了改善皮肤，当前用户对皮肤变化状况的感知大多处于模糊大概了解的状态，需要有数值趋势图量化地为用户展示其皮肤整体和主要皮肤问题的变化状况。

（2）美图美妆

科技感的介绍页面：

Robert的情感心理进化论中提到人类有8种最基本的情感元素，其中有2种积极元素便是惊奇、接纳，极具科技感的3D动画建模的介绍页面贴合AI产品形象的打造，让人眼前一亮带来惊奇感。

实时展示积累的用户人数，让用户心理形成“有众多人已经使用过这个产品”的感知，增强新用户对产品的接纳感。

趣味的引导语音：

采用明星或游戏人物的声纹作为引导语音，增强了趣味性，不过目前引导语音只剩下默认、游戏人物小乔两种声音。

根据企鹅智库对游戏行业分析：24,3%的女性群体参与游戏，游戏人物的语音或许可以更换为当红明星的声纹，会更多引起用户追星情感共鸣。

直观测肤结果展示页面：

在卡通和原图上标注出皮肤问题，使得用户可以更加直观对比检测结果，且考虑用户追求美观的感受，将原图缩放收起，这里需注意：协助用户辨别图片的左右脸，美图的图片是镜面成像。

丰富的皮肤护理方案：

解析皮肤问题成因和护理方法、护肤误区，根据皮肤问题指导选购护肤品时需考虑包含的活性成分，并且按照功效匹配度排序推荐护肤品。推荐护肤活动，且用户通过打卡完成任务可获取红包，红包可用来抵扣购物金额。

在调动用户参与度互动性、提高用户对产品使用频率、促使用户通过APP消费购买护肤品的同时，让用户感知对其本身双重积极意义：

一是APP帮助督促其改善自身皮肤问题；

二是减少了护肤品消费开销。

AI调教入口：

计算机视觉算法技术的完善离不开用户对结果的反馈，以此也采集更多训练数据，但是用户的反馈具有一定主观性，采集来的标注数据需进一步审核。

总结：市场切入点为做一款私人的平价、移动、全面检测皮肤问题工具。

运用麦肯锡MECE原则开展定量问卷调研，通过微博、微信公众号、外部合作，我们采集了1666份有效数据。

（1）人群基本特征

性别：女性为主要性别人群，84%为女性，16%为男性。女性为本次主要调研用户。

年龄：19-44岁为主要年龄段人群。

年龄段划分参考国际年龄划分标准，并考虑人群生理状况、就业状态、生活状态等因素，19-44岁人群为本次主要调研用户。

（2）测肤需求调研

对皮肤状况了解与需求程度：

以下为用户自身感知判断自己对皮肤状况的了解程度，从数据可见74%用户自我感知不完全了解自身皮肤状况，且90%用户有测肤需求，自我感知完全了解自身皮肤状况的用户多为女性，且其中绝大多数人仍保有测肤兴趣；不完全了解自身皮肤状况且无测肤需求的用户基本为男性。

测肤行为：

使用检测仪器（包括手机、检测仪等）、专人咨询的分别只有34%、23%，大部分人群无采用科学测肤方式，检测仪器有进一步普及推广市场。

需求时间：

用户对测肤的需求伴随在其日常护理过程中，且在其感知自身皮肤状况变差情况下会更加强其测肤需求，导致用户皮肤状况变差的影响因素包括：生理状态（生理期、孕期、更年期等）、生活状态（加班熬夜、心情烦闷压力、饮食不健康等）、季节变化。

用户在进行护肤消费（购买护肤品、美容院消费等）时同样会增强其测肤需求，而导致用户护肤消费增强的主要因素也是变差的皮肤状况，用户的心理动机是想改善或维持良好皮肤状况。

用户会在出席重要场合活动前紧急护肤，却很少紧急测肤。

（3）核心因子构建用户模型，确定目标用户

影响用户测肤需求的核心因子是：用户的皮肤状况和对感知了解程度，由于测肤是为了进一步推荐护肤方案，因此第一重要的核心因子是用户的皮肤状况。

由此总结：目标用户群体为皮肤状况差且对自身皮肤问题不完全了解的用户。

采用划分用户群体的定性用户访谈、还原场景、金字塔原理进一步解析用户需求且根据目前市场友商产品状况，认为用户测肤需求痛点是：准确、全面检测皮肤问题。

而用户的需求动机归根结底是改善或维持皮肤状况，因此准确全面检测并专业解析皮肤状况是前提，科学推荐护肤方案是第二步所必需。

在考虑核心假设理论基础上通过奥卡姆剃刀法砍剩最基础两项功能，总结：MVP为测肤技术、护肤推荐。